屬性模式匹配器需要很長時間

我有一個正則表達式來獲取src和內容中存在的所有圖像的其餘屬性。屬性模式匹配器需要很長時間

<img *((.|\s)*?) *src *= *['"]([^'"]*)['"] *((.|\s)*?) */*>

如果我對匹配的內容就像是

<img src=src1"/> <img src=src2"/>

查找（指數）掛，我看到線程轉儲

at java.util.regex.Pattern$LazyLoop.match(Pattern.java:4357) 
    at java.util.regex.Pattern$GroupTail.match(Pattern.java:4227) 
    at java.util.regex.Pattern$BranchConn.match(Pattern.java:4078) 
    at java.util.regex.Pattern$CharProperty.match(Pattern.java:3345) 
    at java.util.regex.Pattern$Branch.match(Pattern.java:4114) 
    at java.util.regex.Pattern$GroupHead.match(Pattern.java:4168) 
    at java.util.regex.Pattern$LazyLoop.match(Pattern.java:4357) 
    at java.util.regex.Pattern$GroupTail.match(Pattern.java:4227) 
    at java.util.regex.Pattern$BranchConn.match(Pattern.java:4078) 
    at java.util.regex.Pattern$CharProperty.match(Pattern.java:3345) 
    at java.util.regex.Pattern$Branch.match(Pattern.java:4114) 
    at java.util.regex.Pattern$GroupHead.match(Pattern.java:4168) 
    at java.util.regex.Pattern$LazyLoop.match(Pattern.java:4357) 
    at java.util.regex.Pattern$GroupTail.match(Pattern.java:4227) 
    at java.util.regex.Pattern$BranchConn.match(Pattern.java:4078) 
    at java.util.regex.Pattern$CharProperty.match(Pattern.java:3345) 
    at java.util.regex.Pattern$Branch.match(Pattern.java:4114) 
    at java.util.regex.Pattern$GroupHead.match(Pattern.java:4168) 
    at java.util.regex.Pattern$LazyLoop.match(Pattern.java:4357) 
    at java.util.regex.Pattern$GroupTail.match(Pattern.java:4227) 
    at java.util.regex.Pattern$BranchConn.match(Pattern.java:4078) 
    at java.util.regex.Pattern$CharProperty.match(Pattern.java:3345)

下面是否有解決方案或解決這個問題的解決方法？

來源

2013-10-01 user2836528

你不妨繼續之前閱讀http://stackoverflow.com/questions/1732348/regex-match-open-tags-except-xhtml-self-contained-tags/1732454#1732454。 –

http://stackoverflow.com/a/2408599/20938重複）永遠不要在正則表達式中使用'（。| \ s）'。只需指定DOTALL模式並單獨使用'.'。 –

您示例中的屬性值缺少開頭引號。我希望這只是你在問題中引入的一個錯字。 –

一種解決方法是使用HTML解析器如JSoup，例如

Document doc = 
     Jsoup.parse("<html><img src=\"src1\"/> <img src=\"src2\"/></html>"); 
Elements elements = doc.select("img[src]"); 
for (Element element: elements) { 
    System.out.println(element.attr("src")); 
    System.out.println(element.attr("alt")); 
    System.out.println(element.attr("height")); 
    System.out.println(element.attr("width")); 
}

來源

2013-10-01 21:33:51 Reimeus

我不是在尋找只是src。我也需要其他屬性（在src之前和之後）。例如。 altText – user2836528

輕鬆完成 - 請參閱更新 – Reimeus

它看起來像什麼你有是一個「evil regex」，這是並不少見，當你試圖建立一個複雜的正則表達式來匹配另一件事物（img）中的一件事物（src）。特別是，當你嘗試將重複應用於一個複雜的子表達式時，通常會發生邪惡的正則表達式，你正在使用(.|\s)*?。

更好的方法是使用兩個正則表達式;一個匹配所有<img>標籤，然後再匹配其中的src屬性。

我的Java的生疏，所以我只給你的僞代碼解決方案：

foreach(imgTag in input.match(/<img .*?>/ig)) { 
    src = imgTag.match(/\bsrc *= *(['\"])(.*?)\1/i); 
    // if you want to get other attributes, you can do that the same way: 
    alt = imgTag.match(/\balt *= *(['\"])(.*?)\1/i); 
    // even better, you can get all the attributes in one go: 
    attrs = imgTag.match(/\b(\w+) *= *(['\"])(.*?)\2/g); 
    // attrs is now an array where the first group is the attr name 
    // (alt, height, width, src, etc.) and the second group is the 
    // attr value 
}

注意使用反向引用的匹配合適類型的收盤報價（即，將匹配src='abc'和src="abc"。還要注意的是量詞都懶這裏（*?，而不是僅僅*）;這是必要的，以防止過多的消耗

編輯：即使我的Java的生疏，我能炮製出一個例子這裏的。 Java解決方案：

import java.util.regex.*; 

public class Regex { 

    public static void main(String[] args) { 
     String input = "<img alt=\"altText\" src=\"src\" height=\"50\" width=\"50\"/> <img alt='another image' src=\"foo.jpg\" />"; 
     Pattern attrPat = Pattern.compile("\\b(\\w+) *= *(['\"])(.*?)\\2"); 
     Matcher imgMatcher = Pattern.compile("<img .*?>").matcher(input); 
     while(imgMatcher.find()) { 
      String imgTag = imgMatcher.group(); 
      System.out.println(imgTag); 
      Matcher attrMatcher = attrPat.matcher(imgTag); 
      while(attrMatcher.find()) { 
       String attr = attrMatcher.group(1); 
       System.out.format("\tattr: %s, value: %s\n", attrMatcher.group(1), attrMatcher.group(3)); 
      } 
     } 
    } 
}

來源

2013-10-01 21:40:29

我真的不知道這是一個「邪惡的正則表達式」。謹慎解釋？你可以看看這裏的一些調試輸出：http://regex101.com/r/wH4rD7/#debugger –

我不是在尋找只是src。我也需要其他屬性（在src之前和之後）。例如。 altText – user2836528

如果你仔細看，Lindrian，我把上面的「邪惡的正則表達式」聯繫起來。這將解釋所有關於邪惡的正則表達式。至於你的第二個評論，你也可以在身體內部拉取任何你需要的東西。我的方法不僅可以工作，還可以更好地工作。我會更新我的答案，以表明如何獲得所有屬性。 –

屬性模式匹配器需要很長時間

回答

相關問題